在資訊科技日積月累的現代，正逐漸步入攜帶式平台普及的階段，人手一台手機、平板電腦，在競爭激烈的副作用下，使得這些設備替換率提高，導致消費者需求量增大，對上游廠商而言，傳統的人工產值與品管流程已跟不上需求量的龐大增加，其中IC的生產特為明顯，這使得自動化燒錄機械平台在各大企業間開始廣泛使用，負責供應機台與代燒等服務的中小企業技術也較以往更為成熟，各家廠商間，其機台生產的速度與正確率便成為勝負的關鍵，在過往，燒錄的正確與否取決於燒錄器回傳的結果，而包裝與外觀上的判斷，其辨識功能與設備價格過於昂貴，對於低成本低售價的中小企業而言並不適用，在目前的辨識系統中，也以白背景、黑物件為前提做辨識，並不適用於黑色料盤料帶、黑色IC這種黑色背景且黑色物件的環境，本文提出一種用普通攝影機擷取IC影像圖案，進而從黑背景中，提取出黑物件的流程，同時擁有高抗光性，在各種光源下仍能有效的提取出IC位置，以及其偏斜角度或顛倒等特徵值辨識，供機台做適當修正或判斷，適用於自動燒錄機台或自動包裝機台等環境。

Information Technology is now an escalating and, portable platform which is increasingly widespread. Mobile phones and tablet PCs are common and competing which result in fast elimination, because consumer-needs become harder to be satisfied. Manual productions and traditional management quality can no longer meet the huge demand of the upstream vendors and the expanding market. This makes automated programming mechanical platform wide-spreading among major companies and industries, to provide the automatic machines and IC programming services. Technology of small and medium enterprises is more mature than in the past as well. The growing production speed and accuracy of automatic machine is the key to victory. In the past, programming accuracy was decided by the programmers only. And the equipments themselves, due to either the packaging or the appearance of the recognition function, were too expensive beyond the affordable range of low-cost and low price small business. In the present, recognition system with, white background and black objects recognition is not suitable for black tray and tape, and the black IC. This paper presents an ordinary camera with the IC design of video capture. Through the research, it was found that the resistance to various sources of light can be high, from the black background inside a black object, and the IC position, deflection angle and its characteristic values such as identification or reversed can still be effectively extracted, for automatic machine to make the appropriate correction or adjustment, which is suitable for use in automatic packaging machine or automatic machine.

第一章	緒論	1
1.1. 研究動機	1
1.2. 研究目的	4
1.3. 論文組織	4
第二章	文獻回顧	5
2.1. 旋轉	6
2.2. 中心點	7
2.3. 顛倒	8
2.4. 腳位	9
2.5. 瑕疵	10
第三章	方法介紹	11
3.1. 灰階直方圖	12
3.2. 二值化	13
3.3. 形態學影像處理法	14
3.3.1. 擴展	15
3.3.1.1. A與B	15
3.3.1.2. A⨁B第一步	16
3.3.1.3. A⨁B第二步	16
3.3.2. 侵蝕	17
3.3.2.1. A與B	17
3.3.2.2. A⊖B第一步	18
3.3.2.3. A⊖B第二步	18
3.3.3. 斷開	19
3.3.3.1. A與B	19
3.3.3.2. A°B第一步	20
3.3.3.3. A°B第二步	21
3.3.4. 閉合	22
3.3.4.1. A與B	22
3.3.4.2. A∙B第一步	23
3.3.4.3. A∙B第二步	24
3.4. 連續物件	25
3.4.1. 編號	26
3.4.2. 整理	27
3.5. 簡單線性回歸	28
3.6. 投影法	30
第四章	需要辨識的問題	31
4.1. 機台硬體	32
4.1.1. 進料端硬體	32
4.1.2. 燒錄端硬體	33
4.1.3. 出料端硬體	33
4.2. 機械流程	34
4.2.1. 進料端流程	35
4.2.2. 燒錄端流程	36
4.2.3. 出料端流程	37
4.3. 問題列表	38
第五章	辨識流程	39
5.1. 取像	40
5.1.1. 平台	41
5.1.2. 攝影機	41
5.1.3. 光源	42
5.2. 二值化	43
5.3. 去除雜訊	47
5.4. 物件分離	48
5.5. 異常檢測	49
5.5.1. 估計回歸方程式判斷	49
5.5.2. 投影判斷	51
第六章	實驗結果	53
6.1. 抗光性	53
6.2. 異常檢測	56
6.2.1. 旋轉角度	56
6.2.2. 顛倒	58
6.2.3. 異常放置	59
第七章	結論與未來研究方向	63
7.1. 結論	63
7.2. 未來研究方向	64
參考文獻	65
附錄-英文論文	67
 
圖目錄
圖 1產量需求關係圖	2
圖 2曾健維辨識IC旋轉角度的方法	6
圖 3黃瑞宗尋找IC中心點的方法	7
圖 4黃瑞宗判斷IC是否顛倒的方法	8
圖 5陳奇鴻的腳間距檢測	9
圖 6陳奇鴻的腳排彎	9
圖 7歐陽衡的外觀瑕疵比對	10
圖 8像素	11
圖 9直方圖	12
圖 10二值化圖	14
圖 11非理想的二值化圖	14
圖 12擴展B	15
圖 13擴展A	15
圖 14擴展A⨁B第一步	16
圖 15擴展A⨁B第二步	16
圖 16侵蝕B	17
圖 17侵蝕A	17
圖 18侵蝕A⊖B第一步	18
圖 19侵蝕A⊖B第二步	18
圖 20斷開B	19
圖 21斷開A	19
圖 22斷開A°B第一步	20
圖 23A°B的A’	20
圖 24斷開A°B第二步	21
圖 25A°B的A’’	21
圖 26閉合B	22
圖 27閉合A	22
圖 28閉合A∙B第一步	23
圖 29A∙B的A’	23
圖 30閉合A∙B第二步	24
圖 31A∙B的A’’	24
圖 32相連物件	25
圖 33非相連物件	25
圖 34比對四周編號	26
圖 35連續物件編號後	26
圖 36連續物件整理編號後	27
圖 37簡單線性迴歸模型	28
圖 38投影	30
圖 39自動燒錄/包裝機台	31
圖 40機械手臂平面圖	31
圖 41左為料帶、右為料盤	32
圖 42托料盤	32
圖 43左為料帶進料端、右為料盤進料端	32
圖 44IC燒錄座	33
圖 45料帶出料端	33
圖 46機械流程	34
圖 47自動燒錄機台流程圖	34
圖 48進料機手臂移動範圍	35
圖 49燒錄器與其手臂移動範圍	37
圖 50辨識流程	39
圖 51不當取像：中央缺乏光源	40
圖 52不當取像：上方缺乏光源	40
圖 53環形光源	42
圖 54取像原圖	43
圖 55第一次大津法直方圖	43
圖 56第一次大津法影像：IC影像	44
圖 57第一次大津法影像：IC圖案	44
圖 58被相減的原圖	45
圖 59被相減後的直方圖	46
圖 60第二次大津法影像	46
圖 61斷開法去雜訊	47
圖 62IC的四周光影	47
圖 63物件分離	48
圖 64左邊參考點	49
圖 65取得IC四邊	50
圖 66計算角度	50
圖 67相減後示意圖	51
圖 68打印影像	52
 
表目錄
表 1狀況表	38
表 2抗光性結果	53
表 3異常檢測之旋轉角度結果	56
表 4異常檢測之顛倒結果	58
表 5異常放置	59

[1]	Jiann-Wei Tzeng, "A Study of Defect Inspection of IC Printed Mark," Department of Industrial Engineering, Chung-Yuan Christian University, 1999.
[2]	Jui-Tsung Huang, "High Speed and High Accuracy Inspection of In-Tray Laser IC Marking Using the Machine Vision Technology," Feng Chia University Department of Electrical Engineering, 2009.
[3]	Chi-Hong Chen, "Development on PLCC IC Lead Scanner System," Mechanical Engineering, National Pingtung University of Science and Technology, 2004.
[4]	Heng OuYang, "Application of Machine Vision for Packaged IC Surface defect detection," Department of Engineering Science, National Cheng Kung University, 2007.
[5]	N.Otsu, "A threshold selection method from gray-level histograms," IEEE Transactions on System, Man, and Cybernetics, vol. SMC-9, pp. 62-66, 1979.
[6]	Chun-Lin Yu, "Analysis of IC Image Alignment and Marking Defect Inspection," Power Mechanical Engineering, National Tsing Hua University, 2006.
[7]	Soille P, Morphological image analysis: Principles and applications.: Springer-Verlag Telos, 1999.
[8]	Guo-Zheng Zhang, "Design and Development of an AOI Machine for CMOS Sensor," Industrial Engineering and Management, National Chiao Tung University, 2006.